Nvidia выпустила бесплатную модель Nemotron 3 Diarization для распознавания до восьми собеседников в реальном времени

Nvidia открыла доступ к новой ИИ-модели Nemotron 3 Diarization, предназначенной для диаризации речи — то есть определения, какой участник разговора говорит в каждый конкретный момент. Модель весит всего 100 млн параметров и работает в реальном времени, поддерживая до восьми спикеров.

Это бесплатный инструмент, который можно использовать для обработки аудиозаписей совещаний, интервью, подкастов и любых многоголосых сцен. Nemotron 3 Diarization относится к классу легковесных моделей, работающих на локальном оборудовании, без обязательного обращения к облачным API.

Точных цифр точности Nvidia пока не раскрывает, но подобные модели обычно сравнимы с крупными коммерческими решениями при значительно меньших вычислительных затратах. Релиз Nemotron 3 Diarisation пополняет библиотеку открытых инструментов Nvidia для обработки речи и может быть особенно полезен разработчикам систем транскрибации и анализа диалогов.